„`html 
Eksperci od trendów na całym globie, dokumenty PDF, obszerne paragrafy, nieruchome fotografie… tak jeszcze do niedawna wyglądały opracowania WGSN oraz innych, pokrewnych firm. Aktualnie sytuacja wygląda jednak odmiennie. Systemy do analizy danych i inteligencja sztuczna wyznaczają, co będzie popularne w nadchodzącym sezonie, miesiącu, tygodniu, w formie interaktywnych pulpitów i wykresów. Bo kto jeszcze przegląda raporty?
Rekomendowane wideopodcasty:
Wiele lat temu organizowałam wydarzenie, na które zaprosiłam czołową agencję trendwatcherską. Przypominam sobie, że kiedy prelegentka z ramienia tejże agencji miała zaprezentować materiał, uczestników poproszono o powstrzymanie się od rejestrowania i publikowania informacji z pokazu w sieci (oczywiście garstka uprzejmych osób udostępniła innym fragmenty prezentacji na Instastories). Na licznych slajdach znajdowały się treści i zdjęcia prognozujące makrotrendy, co było bardzo fascynujące. Jednakże obecnie, gdy użycie akronimu “AI” w raporcie kwartalnym może wpłynąć na powodzenie firmy na giełdzie, taka prezentacja prawdopodobnie nie wzbudziłaby zainteresowania wielu osób. Dlaczego? Przywykliśmy do pozyskiwania danych o tendencjach w sposób dynamiczny, wniosków i rekomendacji dotyczących różnych perspektyw czasowych, a najlepiej jeszcze wskazówek, jak te dane uzyskać. Obecnie taka agencja musiałaby zmienić model funkcjonowania. I z tego co wiem, tak też uczyniła. A wszystko to dzięki systemom do badania danych i sztucznej inteligencji. Innymi słowy, za sprawą postępu technicznego.
Technologie wykorzystywane w analizie trendów w modzie
Tenże postęp technologiczny zachodził przez lata, lecz dopiero od 2022 roku zapoczątkował rewolucję. W tym miejscu muszę wspomnieć o (ówczesnych) startupach, takich jak EDITED, który powstał w 2009 roku i z którego korzysta (lub korzystało) wiele znanych marek, na przykład PVH, Harrods, Dr. Martens, Mango i inne. Platforma ta była jedną z pierwszych, które błyskawicznie analizowały trendy i serwowały je projektantom, nabywcom i sprzedawcom. Dzisiaj jest ona napędzana sztuczną inteligencją, ponieważ to ona jest kluczową postacią przewrotu w prognozowaniu trendów.
Zacznijmy od podstaw. Przyjrzyjmy się AI od wewnątrz. O jakich konkretnie technologiach mówię?
Przede wszystkim o uczeniu maszynowym (ang. machine learning). Algorytmy ML uczą się na podstawie historycznych danych dotyczących sprzedaży i zachowań konsumentów, by odnajdywać prawidłowości i zależności. Analizując na przykład setki elementów mających wpływ na popularność artykułu (barwa, fason, pora roku, cena), modele uczące się są w stanie ocenić prawdopodobieństwo, czy dana tendencja będzie rosnąć, czy słabnąć. W oparciu o to AI może wskazać, które style, barwy lub kroje mają szansę zyskać popularność, a które stracą na znaczeniu.
Równie istotna jest wizja komputerowa (ang. computer vision), w której wykorzystuje się algorytmy do badania obrazu. AI potrafi rozpoznawać na fotografiach i filmach konkretne elementy odzieży, kroje, barwy, desenie. Rozwiązania takie jak Heuritech skanują codziennie trzy miliony zdjęć i filmów w mediach społecznościowych i analizują tysiące detali modowych (kolory, faktury, kroje i tak dalej). Na podstawie tego przewidują trendy w modzie.
Obok obrazu najczęściej występuje tekst. I tu do akcji wchodzi przetwarzanie języka naturalnego (ang. natural language processing – NLP), czyli AI analizujące tekst. Może być to wykorzystywane na przykład do badania opisów produktów, artykułów, komentarzy i hashtagów. Takim AI posługuje się polski Brand24, który służy do analizowania między innymi tego, jak mówi się o marce w internecie, jakie są opinie o naszych lub podobnych produktach i tak dalej. Badanie hashtagów (na przykład na Tik Toku) i opisów może służyć do wyłapywania powstających trendów modowych czy kulturowych, a także “szumu” wokół konkretnych produktów. Do analizy języka jeszcze powrócę.
Od niej blisko jest do analizy prognostycznej i modeli prognostycznych. Stanowią one bowiem kombinacje opisanych powyżej technologii i zaawansowanej statystyki. Wykorzystując dane z wizji komputerowej, NLP i transakcyjne, tworzy się modele prognostyczne, które przewidują tempo wzrostu lub spadku popularności trendu w przyszłości. Można na przykład poszukiwać tak zwanych “wczesnych sygnałów” (ang. early signals), czyli subtelnych symptomów przyszłej tendencji. Wcześniej wspomniany Heuritech używa w tym celu własnych modeli głębokiego uczenia (ang. deep learning) wyłapujących minimalne wzrosty aktywności wśród tak zwanych edgy influencerów (najwcześniejszych trendsetterów), co umożliwia wykrycie trendu zanim dotrze on do głównego nurtu.
Przeczytaj również: Dlaczego sektor mody obawia się nowinek technicznych?
Dobrze, ale gdy myślimy o AI, to najczęściej mamy na myśli narzędzia takie jak Anthropic czy Chat GPT. Jak w tym wszystkim, co opisałam, odnajdują się LLMy (ang. Large Language Models – Duże Modele Językowe)? W jaki sposób prognozują one trendy?
Zatem odpowiedź jest interesująca i być może zaskakująca: pomimo tego, że Chat GPT (lub inny LLM) zna pojęcia z computer vision, z pewnością nie analizuje on ilustracji ubrań. Nie ma dostępu do danych sprzedażowych. Nie uruchamia własnego algorytmu prognostycznego. Nie widzi mody, a zna ją z opisów językowych. Co w takim razie potrafi? Odnaleźć w swoim wewnętrznym zbiorze wiedzy teksty o trendach, modzie i tak dalej. Analizuje schematy językowe, pojawiające się przy opisywaniu trendów (na przykład minimalizm, quiet luxury), korzystając tu ze statystyki. Jeśli ma dostęp do internetu – wyszukuje informacje na przykład z social mediów. Następnie tworzy językową rekonstrukcję prawdopodobnych trendów. Najbardziej prawdopodobną kontynuację tekstu (na przykład W 2026 modne będą…), opartą o statystykę i (o ile ma dostęp do internetu) aktualizowaną wiedzę. LLM nie przewiduje trendów w modzie, przewiduje język, który zostanie użyty do opisu przyszłych trendów w modzie.
Czy przyszłość prognozowania trendów należy do AI?
Od wizji komputerowej, poprzez modele prognostyczne, po duże modele językowe. AI prognozuje trendy na różne sposoby, a każdy z tych sposobów może być wykorzystany w modzie. Sztuczna inteligencja jest już narzędziem wykorzystywanym do prognozowania i badania trendów. Firmy forecasterskie, takie jak WGSN, oferują narzędzia oparte na niej. Oznacza to, że z firm usługowych (tworzenie i sprzedaż raportów) stały się firmami software’owymi (dokładnie SaaS, Software as a Service – oprogramowanie jako usługa). To nie oznacza, że fieldwork całkowicie został wyparty przez AI, tak samo raporty – nadal powstają (choć ktoś je jeszcze czyta i przyznaję, że jestem jedną z tych osób). Natomiast sztuczna inteligencja przyniosła nam przewrót. Dzięki niej marki modowe mogą dotrzymywać kroku zmieniającym się trendom w mediach społecznościowych, a co za tym idzie, na świecie (czy to jest dobre, to temat na inny artykuł). AI zrewolucjonizowało forecasting, korzysta z niemal nieograniczonego zasobu danych i jest w stanie je przetworzyć i wykorzystać. Staje się coraz bardziej inteligentne i jedyne, co je ogranicza, to moc kart graficznych w serwerach, na których zachodzą procesy “myślowe”.
Przeczytaj także: Zakupy w dobie AI. Jak działa wirtualna przymierzalnia ubrań od Google’a?
Kasia Gola
O AutorzeLatest Posts
- Sztuczna inteligencja w prognozowaniu trendów – czy tak będzie wyglądać przyszłość trendwatchingu?lis 11, 2025
- Dlaczego branża modowa boi się nowych technologii?wrz 29, 2025
- Moda i AI: jak sztuczna inteligencja zmienia rynek mody?sie 2, 2025
- LVMH Innovation Award: znamy zwycięzców konkursu! [relacja z wydarzenia]cze 12, 2025
- Kulisy SHEIN – analiza biznesu i technologii stojącymi za sukcesem markicze 8, 2025
„`
Źródło
